JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept.

2012) ISSN: 2301-9271 A-72

Pengendalian Frekuensi dengan Menggunakan

Kontrol Fuzzy Prediktif pada Simulator Plant
Turbin Generator pada PLTU

Dyah Putri Anggriani, Rusdhianto Effendie

Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111
E-mail:ditto@ee.its.ac.id

Abstrak.Sistem pembangkit dirasakan sangat perlu guna
memenuhi kebutuhan tenaga listrik yang semakin
meningkat, kestabilan sangat dibutuhkan pada proses
pembangkit sehingga sistem pengendalian digunakan
untuk menjaga variabel proses tersebut tetap stabil. Salah
satunya adalah dengan melakukan pengendali frekuensi
pada tubin-generator suatu pembangkit listik, contohnya
PLTU (Pembangkit Listrik Tenaga Uap).Frekuensi dari
turbin uap harus dijaga kestabilannya agar keluaran daya
listrik di generator berjalan dengan baik.Fluktuasi
frekuensi adalah salah satu kendala penyampaian daya
listrik ke beban, juga waktu kembali yang tidak segera ke
kondisi normal akan mengakibatkan kerusakan pada
sistem seperti patahnya poros turbin-generator dan
kemungkinan terjadi gangguan pada jaringan listrik,
sehingga perlu dilakukan pengaturan laju aliran uapyang
masuk ke turbin. Kontroler yang digunakan untuk
menjaga perubahan frekuensi adalah kontrol fuzzy
prediktif,dengan penambahan gain K1 pada kontrol fuzzy
prediktif sebesar 42.35 yang bekerja secara sucsessive
kontroler ini dapat mengurangi error sebesar 1,04% jika
sistem hanya menggunakan kontroler fuzzy pada saat
terjadi perubahan beban.
Kata KunciFrekuensi, Turbin, Fuzzy Prediktif
I. PENDAHULUAN
Fluktuasi frekuensi seharusnya berada pada batas toleransi
yang sudah ditetapkan, dan kembali kepada frekuensi
normalnya dengan segera. Fluktuasi frekuensi yang berada
diatas batas toleransi merupakan sebuah permasalahan yang
kerap terjadi. Selain itu, waktu kembali fluktuasi frekuensi
yang tidak segera ke kondisi normal akan mengakibatkan
kerusakan pada sistem seperti patahnya poros turbin-generator
dan kemungkinan terjadi gangguan pada jaringan listrik.
Fluktuasi frekuensi ini erat kaitannya dengan perubahan
kecepatan putar pada turbin dan generator, dikarenakan
perubahan permintaan daya beban. Perubahan kecepatan
turbin-generator dilakukan dengan mengikuti nilai perubahan
beban, melalui pengaturan laju aliran uap sebagai input dari
pemodelan ini. sehingga akan terlihat perubahan nilai
frekuensi yang dihasilkan turbin-generator. Kontrol yang
digunakan untuk pengendalian pada sistem ini menggunakan
kontrol fuzzy prediktif.
II. TEORI DASAR
A. Pembangkit Listrik Tenaga Uap (PLTU) [1]
PLTU merupakan suatu sistem pembangkit tenaga listrik
yang mengkonversikan energi kimia listrik dengan
menggunakan uap air sebagai fluida kerjanya, yaitu dengan
memanfaatkan energi kinetik uap untuk menggerakkan poros
sudu-sudu turbin.Sudu-sudu turbin menggerakkan poros
turbin, untuk selanjutnya poros turbin menggerakkan
generator.Dari generator inilah kemudian dibangkitkan energi

K
EBUTUHAN akan penggunaan daya listik saat ini
listrik. Energi listrik yang dihasilkan akan mensuplai alat-alat
sangat diperlukan mengingat banyak negara
yang disini disebut beban.
diprediksi dalam keadaan krisis energi listrik dimasa
Prinsip kerja dari PLTU berdasarkan pada Gambar 1
mendatang. Saat ini pemerintah merencanakan
adalah menggunakan siklus air-uap sistem tertutup, dimana air
pembangunan pembangkit listrik untuk mengurangi krisis
dari condenseratau air hasil dari proses pengkondensasian.
energi listrik tersebut. Oleh karena itu, pembelajaran mengenai
Dsini air dipanaskan kembali kemudian dimasukkan ke
pembangkit listrik perlu dilakukan, metode simulasi
deaerator untuk menghilangkan gas udara (oksigen),
merupakan salah satu metode pembelajaran yang efektif dan
kemudian air dipompa oleh boiler feedwater pump ke
efisien. Dari pembelajaran simulasi dapat diwujudkan
economizer. Dari economizeryang selanjutnya dialirkan ke
pembuatan simulator dari sistem pembangkit listrik. Gangguan
pipa down comer untuk dipanaskan pada wall tubes yang
sistem tenaga listrik mungkin bisa terjadi dan menjadi
berada di boiler.
permasalahan serta kendala penyaluran daya listrik ke beban.
Contoh gangguannya adalah terjadinya fluktuasi frekuensi
sistem tenaga listrik yang disebabkan perubahan beban.
JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-9271
Gambar 1. Siklus sederhana PLTU
B. Turbin Uap [2]
Turbin uap adalah suatu pengerak mula yang mengubah
energi potensial uap menjadi energi kinetik dan energi kinetik
ini selanjutnya diubah menjadi energi mekanis dalam bentuk
putaran poros turbin.Poros turbin, langsung atau dengan
bantuan roda gigi reduksi, dihubungkan dengan mekanisme
yang digerakkan.Tergantung pada jenis mekanisme yang
digerakkan, turbin uap dapat digunakan pada berbagai bidang
industri, untuk pembangkit tenaga listrik dan untuk
transportasi.
Turbin uap terdiri dari beberapa bagian utama seperti:
rumah turbin (casing), bagian yang berputar (rotor), sudu-sudu
yang dipasang pada rotor maupun casing dan bantalan untuk
menyanggah rotor.
Gambar 2. Konstruksi sederhana turbin
Pada Gambar 2 bagian yang ditandai dengan nomor 1
adalah poros, komponen utama tempat dipasangnya cakram-
cakram sepanjang sumbu dimana poros berhubungan langsung
dengan generator. Nomor 2 disebut dengan cakram, tempat
sudu-sudu dipasang secara radial pada poros sedangkan sudu-
sudu turbin diberi nomor 3 berfungsi sebagai menerima gaya
dari energi kinetik uap melalui nosel. Nomer 4 adalah nosel
yang berfungsi sebagai sebagai media ekspansi uap yang
merubah energi potensial menjadi energi kinetik.
C. Logika Fuzzy [3]
Professor Zadeh (California Univ.) diakui sebagai ilmuan
pemrakarsa konsep himpunan fuzzy pada tahun 1965 yang
telah menjabarkan perhitungan matematik untuk
menggambarkan ketidak- jelasan atau kesamaran dalam
bentuk variable linguistik. Ide klasik yang menggabungkan
pendekatan kualitatif dengan kuantitatif.
A-73
Prinsip dasar dan persamaan matematika dari teori
himpunan fuzzy, adalah sebuah teori pengelompokan objek
dalam batas yang samar. Pertama, kita harus melihat
himpunan fuzzy sebagai suatu generalisasi dari himpunan crisp
klasik dengan memperluas jelajah fungsi anggota (atau fungsi
karakteristik) dari [0,1] sampai semua angka real pada interval
[0,1].
Fuzifikasi
Fuzifikasi merupakan proses pemetaan nilai-nilai input
(crispinput)yang berasal yang berasal dari sistem yang
dikontrol (besaran non fuzzy) ke dalam himpunan fuzzy
menurut fungsi keanggotaannya. Himpunan fuzzy tersebut
merupakan fuzzyinput yang akan diolah secara fuzzy pada
proses berikutnya. Untuk mengubah crispinput menjadi
fuzzyinput, terlebih dahulu harus menentukan membership
function untuk tiap crispinput, kemudian proses fuzifikasi
akan mengambil crispinput dan membandingkan dengan
membership function yang telah ada untuk menghasilkan
harga fuzzyinput.
Fuzzy Rule Base[4]
Pada tahap fuzzy rule base, diproses hubungan antara
nilai-nilai input (crispinput) dan nilai-nilai output
(crispoutput) yang dikehendaki dengan aturan-aturan (rules).
Aturan ini nantinya yang akan menentukan respon sistem
terhadap berbagai kondisi setting point dan gangguan yang
terjadi pada sistem. Aturan yang banyak digunakanadalah :
Format aturan IF-THEN
IF Err is Normally bigand AEn is Normally big
THEN output is Normally big
Defuzifikasi
Pada tahap ini dilakukan pemetaan bagi nilai-nilai
fuzzyoutput yang dihasilkan pada tahap fuzzyrule base ke nilai-
nilai output kuantitatif yang sesuai dengan sistem yang
diharapkan. Ada berbagai metode untuk melakukan proses
defuzifikasi pada komposisi aturan Mamdani.
D. Kontrol Prediktif [5]
Model prediktif kontrol adalah teknik yang berfokus
pada pembuatan kontroler yang dapat menyesuaikan aksi
kontrol sebelum perubahan pada keluaran setpoint sebenarnya
terjadi, kemampuan prediktif ketika dikombinasikan dengan
operasi umpan-balik memungkinkan kontroler untuk
melakukan penyesuian lebih smootherdan dekat pada nilai dari
kontrol optimal.
Gambar 3. Blok diagram kontrol prediktif
Blok diagram dari kontrol prediktf ditunjukkan oleh
Gambar 3, dimana input dan output sebelumnya masuk ke
JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-9271
dalam blok model untuk mendapatkan output yang akan
datang. Output tersebut akan di optimalisasikan, agar dapat
meminimumkan error dan memaksimalkan sinyal kontrol dari
gangguan sehingga menghasilkan input yang akan datang.
III. PERANCANGAN SISTEM
A. Gambaran Umum Perancangan Sistem
Bab ini membahas mengenai perancangan sistem secara
detail meliputi perancangan perangkat keras yang terdiri dari
perancangan sistem minimum mikrokontroler ATMega32, NI-
DAQ, dan penggabungan elemen - elemen pembangun sistem,
sedangkan untuk perancangan perangkat lunak antara lain
perancangan simulator plant turbin-generator berupa virtual
plant dan HMI yang keduanya dibangun dengan software
LabVIEW 8.6. Untuk komunikasi pengiriman data serial
menggunakan software Toolbox Omniserver dan
KEPserverEx.
Gambar 4.Blok diagram sistem
Arsitektur yang akan dibangun ditunjukkan oleh Gambar
4, dimana laptop vitual plant (laptop yang dipergunakan
sebagai virtual plant) dihubungkan ke laptop HMI (laptop
yang dipergunakan sebagai HMI) melalui NI-DAQ dan
mikrokontroler sedangkan software OPC (OLE forProcess
Control) digunakan untuk mengirimkan data tambahan dari
laptop virtual plant ke laptop HMI secara serial.
B. Pemodelan Virtual Plant Turbin-Generator
Plant yang digunakan pada tugas akhir ini adalah turbin-
generator yang digunakan untuk pembangkit listrik tenaga
uap, dengan menggunakan energi solar.Putaran yang
dihasilkan turbin untuk memutar generator mencapai 3000
RPM, sehingga menghasilkan frekuensi 50 Hz.
Gambar 5. Blok diagram turbin-generator
Gambar 5 menunjukkan blok diagram turbin-generator.
Kontroler yang digunakan berfungsi untuk menjaga agar
output frekuensi tetap berada dinilai 50 Hz walaupun terjadi
perubahan beban pada TL (torsi lawan). Torsi lawan ini
dihasilkan oleh poros generator bila terjadi perubahan pada
daya beban, karena poros turbin berhubungan langsung
dengan turbin.
C. Pemodelan Control Valve
Steam yang dihasilkan boiler sebelum menggerakkan
turbin akan melewati 2 valve utama yaitu main valve yang
A-74
dioperasikan secara manual hanya pada saat starting dan
control valve. Pada Gambar 6 terlihat pressure yang masuk ke
main valve bernilai konstan yaitu 60 kg/cm2.
Gambar 6. Blok diagram control valve
Saat awal, laju aliran steam akan dikendalikan oleh
manual valve dan akan terbuka 100% hingga kecepatan tubin
mencapai 3000 RPM, selanjutnya akan dikendalikan
sepenuhnya oleh controlvalve. Bukaan dari
controlvalvesebanding dengan kecepatan turbin yaitu sekitar
74% untuk putaran 3000 RPM.
D. Pemodelan Turbin
Plant yang digunakan pada tugas akhir ini adalah dalam
bentuk virtual, yaitu virtual plant turbin-generator yang
diadaptasi dari buku Prabha Kundur dan ditunjukkan oleh
Gambar 7.
Gambar 7. Blok diagram turbin
Turbin yang digunakan adalah jenis non-reheatdimana
uap yang masuk ke turbin tidak mengalami pemanasan ulang
untuk menggerakkan turbin itu sendiri. Hanya saja uap yang
masih panas akan dimanfaatkan sebagai pemanas (preheating)
air yang akan diuapkan di dalam boiler.
E. Pemodelan Mekanika Generator
Bentuk pemodelan diadaptasi dari buku Prabha Kundur
dengan bentuk transfer function .
1 0.294 1
T f ( s) (1)
( Js B) 2.94 1 10s 3.4
Dimana J adalah inersia dan B adalah gesekan (damper) dari
turbin-generator.
F. Perancangan Komunikasi Data
Pengiriman data dari laptop virtual plant ke HMI
menggunakan NI-DAQ yang sebelumnya dikonversi dahulu
menjadi 0-5 volt karena kemampuan NI-DAQ membaca
tegangan pada range tersebut, kemudian dikirimkan ke
mikrokontroler dan diolah yang selanjutnya akan dikirimkan
ke HMI melalui kabel serial.
G. Identifikasi Sistem
Dalam merancang suatu sistem yang mampu
dikendalikan, maka terlebih dahulu perlu dilakukan proses
identifikasi terhadap plant, sehingga dapat diketahui
karakteristik dari plant.
Proses identifikasi dilakukan dengan menggunakan
metode loop terbuka dengan bebannominal, maksimal dan
JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-9271 A-75

minimalsecara simulasi dengan bantuan software MATLAB, H. Perancangan KontrolFuzzy

dengan fungsi alih planttelah didapatkan sebelumnya. Untuk merancang suatu kontrol fuzzy, maka dilakukan
Grafik hasil respon dari pemberian sinyal step pada plant tahap seperti :
untuk frekuensi saat beban nominal ditunjukkan pada Gambar 1. Fuzifikasi
8, dimana respon mencapai nilai setpoint 50 Hz dengan Jenis fungsi keanggotaan yang digunakan ada dua jenis,
3,5 detik. yaitu segitiga dan trapesium. Fungsi trapezium dipilih untuk
mendefinisikan derajat keanggotaan yang sama dengan satu
60
Grafik Hasil Respon Sistem pada banyak nilai variabelnya, sedangkan fungsi segitiga
dipilih karena memiliki nilai yang terbatas dan derajat
50 keanggotaannya bernilai satu pada satu titik tertentu. Besar
linguistik term input error (e) dan delta error (e) bernilai
40 sama. Ilustrasi dari fungsi keanggotaan yang digunakan pada
X: 3.555
kontroler ini ditunjukkan pada Gambar 11.
Frekuensi (Hz)

Y: 31.62

30

20

10

respon sistem
setpoint
0
0 10 20 30 40 50 60 70
Waktu (detik) Gambar 11.Membership function error (e) dan delta error(e).
Gambar 8. Respon output frekuensi saat beban nominal
Gambar 9 menunjukkan grafik respon output frekuensi
2. Fuzzy Rule Base
saat beban minimal. Saat beban tersebut respon melebihi
Aturan dasar dirancang berdasarkan teori bukaan control
setpoint yang diinginkan yaitu bernilai 53 Hz dengan 3,8
valve yang tepat saat sistem dalam kondisi berbeban. Pada
detik. kondisi beban nominal maka laju uap yang dialirkan oleh
60
Grafik Hasil Respon Sistem control valve sebesar 53,3 Kg/s, sedangkan bila sistem
diberi beban maksimal atau minimal maka control valve harus
50
50
dapat menyesuaikan laju uap agar sistem tidak mengalami
gangguan.Dengan mengacu teori tersebut maka dirancang
40 sebuah rule base yang merepresentasikan perubahan dari
bukaan control valve seperti pada Tabel 1
Frekuensi (Hz)

30
Tabel 1.Rule base untuk kontrol fuzzy
delta error
20

NB N NS Z PS P PB
10
NB NB NB N N NS NS Z
respon sistem
setpoint N NB N N NS NS Z PS
0
0 10 20 30 40 50 60 70
Waktu (detik)
NS N N NS NS Z PS PS

Gambar 9.Respon output frekuensi saat beban minimal error Z N NS NS Z PS PS P

Gambar 10 adalah saat sistem diberi beban maksimal, PS NS NS Z PS PS P P

dimana respon dari output hanya mencapai nilai 48.5 Hz dari P NS Z PS PS P P PB
50 Hz dengan 3,4 detik. PB Z PS PS P P PB PB

Grafik Hasil Respon Sistem

60
3. Defuzifikasi
50
Proses defuzifikasi digunakan untuk mendapatkan nilai
50
keluaran, dari hasil proses rule base didapatkan fungsi
40
keanggotaan yang menjadi rentang nilai output kontroler.
Metode defuzifikasi pada kontroler ini menggunakan jenis
Frekuensi (Hz)

30 MOM (Maximum of Minimum), maka nilai output dapat

dihitung dengan Persamaan 3.1
J

20
vj
z .........................................................................(2)
10 j 1 j

respon sistem
setpoint
dengan,
0
0 10 20 30
Waktu (detik)
40 50 60 70 z = nilai keluaran
Gambar 10.Respon output frekuensi saat beban maksimal vj = nilai masukan
j = banyaknya nilai maksimum
JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-9271 A-76

I. Perancangan KontrolPrediktif 60
Grafik Hasil Respon Sistem

Kontrol prediktif yang dibangun pada sistem ini

memprediksikan satu langkah ke depan dimana blok diagram 50

untuk kontrol fuzzy prediktif ditunjukkan oleh Gambar 12,

kontroler tersebut memprediksikan nilai dari output y (k 1) . 40

Frekuensi (Hz)
Nilai error yang masuk ke FLC (Fuzzy Logic Controller)
30
diberikan variabel tambahan yaitu K1 yang nilainya berubah-
ubah sesuai dengan perubahan yang terjadi pada output dari 20

plant diskrit. Hal ini dikarenakan nilai e(k ) harus sama

dengan em(k ) . 10

respon output
setpoint
e(k ) em(k ) em(k 1)
1 t
0
0 10 20 30 40 50 60 70
e(k 1) Waktu(detik)

Gambar 14. Respon output frekuensi di HMI pada beban nominal

y(k 1)
e(k ) e(k 1) u(k 1) Plant
K1 yr B. Hasil Perancangan Kontroler Pada Virtual Plant
F LC Diskrit
z
1
Respon output sistem saat dalam keadaan beban
e(k 1) minimum, nominal maupun maksimum telah dibahas pada bab
sebelumnya, dimana saat terjadi pembebanan pada generator
yr e(k 1) yk
e(k )
K1
u(k )
Plant maka frekuensi yang dihasilkan oleh turbin ikut mengalami
F LC
z
1 perubahan. Pengujian kontroler dilakukan dua kali untuk
e(k 1) melihat perbandingan saat sistem dengan kontroler fuzzy dan
kontroler fuzzy prediktif dengan penambahan gain secara
Gambar 12. Blok diagram kontrol prediktif successive. Pada Gambar 15 adalah saat sistem hanya
menggunakan kontrol fuzzy, saat terjadi perubahan beban baik
saat beban maksimal maupun minimal.Output frekuensi dari
IV. HASIL SIMULASI DAN IMPLEMENTASI sistem tidak dapat kembali ke keadaan semula dan terdapat
Bab ini menjelaskan mengenai proses implementasi nilai error sebesar 1.04%, hal ini disebabkan terjadi perubahan
kontroler terhadap sistem perancangan dan plantdengan cara parameter dari plant.Oleh karena itu, dilakukan pengujian
mengintegrasikan sistem, kemudian dianalisa dari beberapa pada sistem dengan menggunakan kontrol fuzzy prediktif.
hasil yang diperoleh. Grafik Hasil Respon Sistem
60
A. Implementasi Komunikasi NI-DAQ Mikrokontroler
Pada tahap ini, implementasi dilakukan dengan 50
mengintegrasikan antara virtual plant dengan HMI dengan
menggunakan NI-DAQ yang terhubung oleh mikrokontroler
ATMega32 pada dua komputer secara terpisah yang nantinya 40

menggunakan media komunikasi serial. Gambar integrasi

Frekuensi (Hz)

sistem tampak pada Gambar 13

30

20

10

output respon
setpoint
0
0 5 10 15 20 25 30
Gambar 13. Arsitektur Sistem Waktu (detik)

Gambar 15 Respon output frekuensi dengan kontrol fuzzy

Hasil respon frekuensi yang dikirimkan virtual plant ke
HMI dapat dilihat pada Gambar 14. Dimana respon memiliki
banyak ripple, hal ini disebabkan oleh clock yang dimiliki NI-
DAQ dan mikrokontroler berbeda. Ripple mungkin jg
disebabkan karena nilai output dari virtual plant dikonversi ke
dalam bentuk tegangan 0-5 volt, kemudian nilai yang telah
dikonversi tersebut akan dikonversi kembali dalam frekuensi.
Pada pengujian plant dengan kontroler fuzzy prediktif,
sistem selalu dapat kembali ke keadaan semula, respon output
y (k 1) dapat dilihat pada Gambar 16 dimana nilai yang
dimiliki oleh respon ini adalah 3.5 detik. Pada kontroler fuzzy
prediktif diberi gain K1 yang nilainya akan selalu berubah
mengikuti perubahan beban. GainK1 akan berkurang bila nilai
e(k 1) e m (k 1) , sebaliknya bila e(k 1) e m (k 1) maka
gainK1 akan bertambah agar nilai e(k 1) e m (k 1)
JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-9271 A-77

60
Grafik Hasil Respon Sistem V. KESIMPULAN
Berdasarkan hasil percobaan yang telah dilakukan pada
50
pengerjaan tugas akhir ini, maka dapat diambil beberapa
kesimpulan antara lain:
40

X: 3.48
1. Simulator plantturbin-generator dapat bekerja dengan
baik walaupun dalam keadaan berbeban, respon selalu
Frekuensi (Hz)

Y: 31.63

30
mencapai nilai set point yang diinginkan yaitu 50 Hz.
20
2. Penambahan gain K1 sebesar 42.35 yang bekerja secara
sucsessive pada kontroler fuzzy prediktif dapat
10 memperbaiki error pada kontroler fuzzy
output respon 3. Jika sistem hanya menggunakan kontrol fuzzy sebagai
setpoint
0
0 5 10 15 20 25 30 pengendali frekuensi saat terjadi perubahan beban, maka
Waktu (detik)

error yang dapat direduksi oleh kontrolerfuzzy prediktif

Gambar 16 Respon output frekuensi y(k+1) adalah sebesar 1.04 %.
Grafik Hasil Respon Sistem
Diharapkan untuk tugas akhir yang akan datang
60
menggunakan plant yang nyata tidak dalam bentuk virtual,
agar dapat dilakukan identifikasi dan mendapatkan nilai
50
parameter yang lebih baik.
40

DAFTAR PUSTAKA
Frekuensi (Hz)

30
[1] Pudjanarsa, Astu, Mesin Konversi Energi, Penerbit ANDI,
Yogjakarta, 2008.
20
[2] Abduh. Syamsir, Teknik Tegangan Tinggi, Penerbit Salemba Teknika,
Jakarta, 2001.
10 [3] Robandi, I., Desain Sistem Tenaga Modern; Optimisasi, Logika Fuzzy,
output respon
setpoint
dan Algoritma Genetika, Penerbit ANDI, Yogyakarta, 2006.
0
ykp1 [4] Pasino, K. M.,dan Yurkovich, S. , "Fuzzy Control", Addison Wesley
0 5 10 15 20 25 30
Waktu (detik) Longman, California, 1998.
Gambar 17 Penggabungan respon output frekuensi [5] S. Ronald, Predictive Control, Prentice Hall, Department of Electrical
Engineering, Netherlands, 1991.
y (k 1) saat
Gambar 17 adalah respon frekuensi [6] Ogata. Katsuhiko, Teknik Kontrol Automatik(Sistem Pengaturan),
Penerbit Erlangga, Bandung 1970.
digabung dengan respon frekuensi y (k ) , terlihat tidak terlalu
banyak perbedaan pada respon. Namun, apabila gambar
diperbesar maka akan terlihat bahwa kontroler prediktif
bekerja pada sistem ini. Hal tersebut diperlihatkan oleh
Gambar 18, untuk garis yang berwarna biru adalah respon
output sistem dan garis berwarna merah adalah respon output
frekuensi y (k 1) dimana garis tersebut selalu memprediksi
satu langkah kedepan yang dihasilkan oleh outputfrekuensi
y (k ) .
Grafik Hasil Respon Sistem

50.3

50.2

50.1
Frekuensi (Hz)

50

49.9

49.8

49.7 output respon

setpoint
ykp1
7.04 7.06 7.08 7.1 7.12 7.14 7.16 7.18 7.2 7.22
Waktu (detik)

Gambar 18.Perbedaan respon frekuensi y (k 1) dengan y (k )